[發明專利]一種電網暴雨災害風險預測方法、系統及存儲介質

在審

• 申請號: 201810653334.7
• 申請日: 2018-06-22
• 公開（公告）號: CN108898247A
• 公開（公告）日: 2018-11-27
• 發明（設計）人: 陸佳政;葉鈺;徐勛建;李波;方針;郭俊;楊莉;馮濤
• 申請（專利權）人: 國網湖南省電力有限公司;國網湖南省電力有限公司防災減災中心;國家電網有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06
• 代理公司: 長沙朕揚知識產權代理事務所(普通合伙) 43213
• 代理人: 何湘玲

本發明涉及電力系統的氣象災害技術領域，公開了一種電網暴雨災害風險預測方法、系統及存儲介質；以減輕輸電線路遭受的暴雨災害，提高輸電線路應對暴雨災害的能力和安全穩定運行水平，達到主動性強、智能程度高、應用范圍廣的目的；本發明根據訓練樣本數據集初始化受限玻爾茲曼機算法的參數值，反復學習與更新參數值，至受限玻爾茲曼機算法滿足訓練樣本數據集的收斂性，通過驗證樣本數據集驗證受限玻爾茲曼機算法的預測精度E_avg，若預測精度E_avg不在預先設定精度以內，則繼續更新參數，直至滿足預測精度；進一步建立基于反向傳播算法的電網暴雨災害預測模型，最后根據反向傳播算法對電網暴雨災害預測模型的參數進行調整，并得到暴雨災害風險預測模型。

技術領域

本發明涉及電力系統的氣象災害技術領域，尤其涉及一種電網暴雨災害風險預測方法、系統及存儲介質。

背景技術

自然災害給電網帶來不可避免的影響，其中暴雨災害與覆冰、污穢災害影響范圍最廣，據統計，在眾多災害中，暴雨災害占據80％以上。暴雨災害會導致輸電線路倒塔、斷線并表現為久性故障，損壞變電站設備，甚至導致受災廠站全停，嚴重威脅電網安全運行，且造成了重大的經濟損失和社會影響。輸電線路暴雨災害問題已成為當前威脅線路安全的最大威脅之一，我國中東部以及南方地區是暴雨多發區域，受復雜地形特點等因素的影響，輸電線路暴雨災害事故屢有發生，給人們的生活帶來了極大的不便和危害。因此，對輸電線路暴雨災害風險分析預警的研究將具有重要的意義和工程實用價值。

目前，國內學者已開展了輸電線路暴雨災害風險預警的相關研究，包括基于事件演化動力學的風險評估方法、基于情景分析的災害風險評估方法、基于歷史災情數據的災害風險評估方法、基于指標體系的災害風險評估方法、基于遙感和GIS技術的災害風險評估方法以及基于智能算法的災害風險評估方法等。其中，基于事件演化動力學的風險評估方法和基于情景分析的災害風險評估方法注重事件演化的物理過程分析，但暴雨災害存在歷史規律性和影響因子不確定性，該方法不能充分發揮歷史數據的價值；基于歷史災情數據的評估一般經歷了極值評估法、概率評估法和模糊評估法3個階段，而極值評估法通常在風險評估時存在比較明顯的偏差，概率評估法在遇到數據樣本較少而無法準確獲得樣本的概率分布時，評估結果將會出現較大的偏差，模糊評估法評估結果多是關系或模糊集，無法直接進行比較；基于指標體系的風險評估方法被認為是目前最廣泛應用也是最有以異議的方法，該方法由于缺少研究復雜災害的各個風險評估要素之間的聯系，以及其演化過程不能非常好地進行模擬，難以體現出災害的不確定性與動態性，風險評估的結果存在不準性；基于遙感和GIS技術的災害風險評估往往受限于遙感圖像的空間分辨率程度，很難在小尺度的區域內進行比較精準的災害損失估算及風險評估；基于情景分析的風險評估大都是對災害風險場景的模擬，而對出現某種災害風險評估的具體有效執行的模擬還未涉及，同樣存在一定的局限性；基于智能算法的災害風險評估方法主要依賴于歷史數據的積累和經驗，結合相關模型通過初步的機器學習方法進行暴雨災害風險評估，但一般的智能算法僅停留在片面的機器學習過程，不能夠深入學習暴雨災害風險特征，進而預測預警準確率較低。

發明內容

本發明目的在于提供一種電網暴雨災害風險預測方法、系統及存儲介質，以減輕輸電線路遭受的暴雨災害，提高輸電線路應對暴雨災害的能力和安全穩定運行水平，達到主動性強、智能程度高、應用范圍廣的目的。

為實現上述目的，本發明提供了一種電網暴雨災害風險預測方法，包括以下步驟：

S1：選取歷史暴雨災害的相關數據構建初始樣本數據集，將所述初始樣本數據集分為訓練樣本數據集和驗證樣本數據集，并根據所述訓練樣本數據集初始化受限玻爾茲曼機算法的參數值；

S2：反復學習與更新所述參數值，直至所述受限玻爾茲曼機算法滿足所述訓練樣本數據集的收斂性；